酱油起源于中国,已经是全世界人民生活中的必需品,每年世界酱油的产量中国约占65%,风味成分是影响品质高低的关键所在。我国酿造酱油方式主要风味高盐稀态发酵与低盐固态发酵,酱油出产场地大多分布于中国的北部,南部和东部,不同地区在生产酱油时用到的原料也不一样,酱油中挥发性成分也有所差异。对中国各地区采用生产原料与发酵工艺酿造而成的酱油所形成的挥发性成分的研究具有重要意义。人工神经网络作为一种数学建模的方法,在各个科学领域里已经得到了相当广泛的应用,它具有模式识别,数据拟合和预测等用途,本论文将酿造酱油中的挥发性成分与人工神经网络结合起来,对中国不同生产地区和发酵方式进行分类。为进一步提高中国各地区酿造酱油的品质提供理论依据。研究主要包括如下方面:(1)采用顶空固相微萃取(HS-SPME)的前处理方法对酱油样品挥发性成分进行萃取后,再通过气象色谱-质谱仪联用的技术对样品中的挥发性成分进行检测分析,找出78个酱油样品里共有的28种挥发性成分,主要包括醇类,酯类,酚类,酸类,醛类,酮类和杂环类成分,之后通过灵敏度分析对数据进行降维,分别找出15和22种对发酵方式与生产场地贡献度最大的挥发性物质,这些物质将分别作为输入进行人工神经网络的分类。(2)本文选取反向传播神经网络作为分类器,BP网络采用的误差逆向传播算法进行训练,属于最速梯度下降法,在模式识别领域中具有较好的效果。基于BP网络中存在收敛速度过慢,易陷于局部极小和隐含层节点数不确定的不足,为客服BP网络中的缺陷,采用遗传算法作为优化算法,通过全局搜索的方式对BP网络中的学习速率,动量因子和隐含层节点数进行优化,加快了收敛速度。(3)遗传算法优化的BP网络结构进行了优化后,将78组数据通过Kennard-Stone算法选取了15组数据对建立的网络的效果进行测试,15组测试数据分别在发酵方式与生产地区的分类中具有100%的准确率,结果证明BP网络与遗传算法结合的模型对中国酱油产地与发酵方式分类的可行性。